Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a la Manipulación Robótica y el Aprendizaje Profundo
- Visión general de las tareas de manipulación y los componentes del sistema
- Enfoques tradicionales frente a enfoques basados en el aprendizaje
- Aprendizaje profundo en percepción, planificación y control
Percepción para la Manipulación
- Detección visual y de objetos para el agarre
- Visión 3D, detección de profundidad y procesamiento de nubes de puntos
- Entrenamiento de CNN para la localización y segmentación de objetos
Planificación y Detección de Agarre
- Algoritmos clásicos de planificación de agarre
- Aprendizaje de posturas de agarre a partir de datos y simulación
- Implementación de redes de detección de agarres (p. ej., GGCNN, Dex-Net)
Control y Planificación del Movimiento
- Cinemática inversa y generación de trayectorias
- Planificación del movimiento basada en el aprendizaje y aprendizaje por imitación
- Aprendizaje por refuerzo para políticas de control de manipulación
Integración con ROS 2 y Entornos de Simulación
- Configuración de nodos ROS 2 para percepción y control
- Simulación de manipuladores robóticos en Gazebo e Isaac Sim
- Integración de modelos neuronales para el control en tiempo real
Aprendizaje de Extremo a Extremo para la Manipulación
- Combinación de percepción, política y control en redes unificadas
- Uso de datos de demostración para el aprendizaje de políticas supervisadas
- Adaptación de dominio entre la simulación y el hardware real
Evaluación y Optimización
- Métricas de éxito del agarre, estabilidad y precisión
- Pruebas bajo condiciones variables y perturbaciones
- Compresión de modelos y despliegue en dispositivos de borde
Práctico: Agarre Robótico Basado en Aprendizaje Profundo
- Diseño de una tubería de percepción a acción
- Entrenamiento y prueba de un modelo de detección de agarre
- Integración del modelo en un brazo robótico simulado
Requerimientos
- Sólido entendimiento de la cinemática y dinámica de la robótica
- Experiencia con Python y marcos de aprendizaje profundo
- Familiaridad con ROS o middleware robótico similar
Público
- Ingenieros de robótica que desarrollan sistemas de manipulación inteligente
- Especialistas en percepción y control que trabajan en aplicaciones de agarre
- Investigadores y profesionales avanzados en aprendizaje de robots y control basado en IA
28 Horas
Reseñas (2)
Suministro de los materiales (máquina virtual) para comenzar directamente con los ejercicios y explicación del núcleo de ROS2. Por qué las cosas funcionan de cierta manera.
Arjan Bakema
Curso - Autonomous Navigation & SLAM with ROS 2
Traducción Automática
su conocimiento y utilización de la IA para la robótica en el futuro.
Ryle - PHILIPPINE MILITARY ACADEMY
Curso - Artificial Intelligence (AI) for Robotics
Traducción Automática
